Download presentation
1
电子鼻技术 新型传感器教育部重点实验室
2
电子鼻技术 什么是电子鼻？ 电子鼻技术的发展历史 电子鼻技术的基本原理 电子鼻技术的研究现状 电子鼻技术的应用前景
3
什么是电子鼻？ 电子鼻是利用气体传感器阵列的响应图案来识别气味的电子系统，它可以在几小时、几天甚至数月的时间内连续地、实时地监测特定位置的气味状况。 电子鼻主要由气味取样操作器、气体传感器阵列和信号处理系统三种功能器件组成。 电子鼻识别的主要机理是在阵列中的每个传感器对被测气体都有不同的灵敏度，例如，一号气体可在某个传感器上产生高响应，而对其他传感器则是低响应；同样，二号气体产生高响应的传感器对一号气体则不敏感，归根结底，整个传感器阵列对不同气体的响应图案是不同的，正是这种区别，才使系统能根据传感器的响应图案来识别气体。
4
电子鼻技术的发展历史 由于气体传感器的交叉敏、选择性差等缺点，单一传感器往往对被测环境中的各种气体敏感，因而很难有选择地测量出某种气体的成分和含量。电子鼻技术是解决这一问题的有效途径，它正是利用各个气敏器件对复杂成分气体都有响应却又互不相同这一特点，借助数据处理方法对多种气味进行识别，从而对气味质量进行分析与评定。 1982年，英国学者Persuad和Dodd用3个商品化的SnO2气体传感器（TGS 813、812、711）模拟哺乳动物嗅觉系统中的多个嗅感受器细胞对戊基醋酸酯、乙醇、乙醚、戊酸、柠檬油、异茉莉酮等有机挥发气进行了类别分析，开电子鼻研究之先河。
5
1989年在北大西洋公约组织的一次关于化学传感器信息处理会议上对电子鼻做了如下定义:“电子鼻是由多个性能彼此重叠的气敏传感器和适当的模式分类方法组成的具有识别单一和复杂气味能力的装置。”随后,于1990年举行了第一届电子鼻国际学术会议。为了促进电子鼻技术的交流和发展，国际上每年举行一次化学传感器国际学术会议。 电子鼻技术是探索如何模仿生物嗅觉机能的一门学问。其研究涉及材料、精密制造工艺、多传感器融合、计算机、应用数学以及各具体应用领域的科学与技术，具有重要的理论意义和应用前景。其中传感器技术和计算机技术处于当今科学技术研究和发展的前沿。
6
商品化的电子鼻
7
电子鼻技术的基本原理 电子鼻的工作可简单归纳为：传感器阵列－信号预处理－神经网络和各种算法－计算机识别(气体定性定量分析）。从功能上讲，气体传感器阵列相当于生物嗅觉系统中的大量嗅感受器细胞，神经网络和计算机识别相当于生物的大脑，其余部分则相当于嗅神经信号传递系统。
8
气体传感器阵列 电子鼻系统中，传感器及其阵列是电子鼻的关键,它的功能是把不同的气味分子在其表面的化学作用转化为可测的电信号。
传感器阵列可以采用数个单独的气敏传感器组合而成，也可以采用集成工艺制作专门的气敏传感器阵列。后者体积小，功耗低，便于信号的集中采集与处理。 西班牙 《A CMOS monolithically integrated gas sensor array with electronics for temperature control and signal interfacing》
9
作传感器的材料必须具备两个基本条件: 1)对不同的气味均有响应,即通用性要强,要求对成千上万种不同的嗅味能在分子水平上作出鉴别。 2)与嗅味分子的相互作用或反应必须是快速、可递的,不产生任何“记忆效应”。 金属氧化物型传感器已被普遍应用在电子鼻中。最常见的材料有锡、锌、钛、钨和铱的氧化物,并掺入像铂和钯等贵金属催化剂。 酞菁类聚合物是有机半导体敏感材料的代表,它们所具有的环状结构使得吸附气体分子与有机半导体之间产生电子授受关系。不同的酞菁聚合物可选择如真空升华技术、ＬＢ膜技术、旋涂技术和自组织膜技术等制膜技术在检测器件上制得薄膜型气敏元件,并可制得传感器阵列,使其与计算机模式识别技术结合使用。 聚吡咯、蒽、二萘嵌苯、β—胡萝卜素等近年来也被用作有机半导体气敏材料受到人们关注。
10
传感器阵列数据采集系统 传感器阵列的模拟输出经Ａ/Ｄ转换为数字信号输入计算机中的数据处理和模式识别系统 被测嗅觉的强度既可用每个传感器的输出的绝对电压、电阻或电导来表示,也可用相对信号值如归一化的电阻或电导值,即它们的变化率来比较嗅味的性质。 传感器阵列的数据采集系统
11
模式识别处理 传感器阵列输出的信号经专用软件采集、加工、处理后，利用多元数据统计分析方法、神经网络方法和模糊方法将多维响应信号转换为感官评定指标值或组成成分的浓度值，得到被测气味定性分析结果的智能解释器。 早期的电子鼻多用主成分分析、多元线性拟合、模板匹配、聚类等数据处理方法。
12
模式识别——人工神经网络 由于气体传感器的响应与被测气体体积分数之间的关系一般是非线性的，现在的电子鼻系统多用神经网络方法和偏最小二乘法。近些年发展起来的人工神经网络(artificial neural network) 由于具有很强的非线性处理能力及模式识别能力而得到了广泛的应用.神经网络通过学习自动掌握隐藏在传感器响应和气味类型与强度之间的、难以用明确的模型数学表示的对应关系。 许多统计技术和ＡＮＮｓ是互为补充的,所以常常与ＡＮＮｓ联合使用,以得到一组比用单个技术得到的数据更加全面的分类和聚类。这类统计学或化学计量学方法包括主分量分析,部分最小平方法,辨别分析法,辨别因子分析法,和聚类分析法等。
13
人 工 神 经 网 络 • The brain uses massively parallel computation
– »1011 neurons in the brain – »104 connections per neuron 图3.脑细胞神经元 input——Mathematical Functions——output 图4.人工神经网络神经元
14
人工神经网络法是接近人类大脑思维方法的一种算法，它通过大量简单的处理单元即神经元广泛地互为连接而形成复杂的网络系统，可以通过训练学习外部环境。
图5.多层神经网络
15
气 体 定 性 分 析 自组织特征映射网络（Self-organizing Feature Map Network）是一种基于无监督学习方法（没有目标输出）的人工神经网络，只有输入层和输出层两层。自组织特征映射网络经过学习，能够以权的形式记忆输入样本，并将相似的输入样本映射到输出层的邻近节点上，从而完成输入样本的自动分类（聚类）。当未知输入样本应用到训练后的网络时，网络输出层的拓扑映射网络结构可以反映出输入样本的性质或类别。
16
图6.SOM网络基本结构 图7.SOM网络学习后输入层 拓扑映射（西北工业大学）
17
气 体 定 量 分 析 混合气体定量分析理论模型
18
设混合气体中共有m种成分，浓度分别为C1，C2…，Cm，气体传感器阵列的维数为n，则其响应模式为R=F（C）。前馈神经网络承担模式识别任务，它接受气体传感器阵列的输出模式，经过运算处理，决策出被测介质中各成分的浓度。设神经网络的映射关系为Y=H（R）。显然，要使Y=C，必使H=F-1。系统的测量精度取决于神经网络的映射能力。
19
BP人工神经网络 前馈神经网络是一种基于监督学习(有目标输出）的人工神经网络，它能够通过学习已知样本而掌握经验，从而对未知样本作出判别。前馈神经网络的学习算法通常采用反向传播算法（Back-Propagation)，简称BP算法。该学习算法是用网络的实际输出与目标输出的误差来修改网络的连接权和阈值，使实际输出与要求的值尽可能接近。
20
美国 1995 《Development of chemical sensors using microfabrication and micromachinig techniques》
23
2001 美国《Micromachined polymer-based chemical gas sensor array》
24
在电子鼻系统的研究中,目前十分引人关注的3个方面:
(1)研究对微量气体分子瞬时敏感的检测器,以得到与气体化学成分相对应的信号 2)研究对检测得到的信号进行识别与分类的数据处理器,以便将有用信号与噪声加以分离 3)研究将测量数据转换为感官评定指标的智能解释器,以得到与人的感官感受相符的结果
25
电子鼻具有便携及实时、在线、原位分析等特点,可用于气味鉴别、复杂环境下气体浓度鉴别和可燃气体、有机挥发物或有毒气体的鉴别,具有广泛的应用前景。
电子鼻技术的长处在于对气体进行定性分析。近20年来，电子鼻研究取得了长足进展。尽管受敏感膜材料、制造工艺、数据处理方法等方面的限制，电子鼻的检测与识别范围与人们的期望还存在距离，但是，将之应用于食品、化妆品、香料香精等轻工业品香气质量评定的时机已经成熟了。
